CTI Data Lab_
¿Identificó oportunidades? Le gustaría probar, sin inversiones en personas y tecnología?
Cualquiera que sea la demanda y la madurez de su empresa en este ciclo, nuestro equipo de data science puede ayudar en la construcción de prototipos funcionales específicos, a medida, con una metodología coherente que identifica disfunciones, oportunidades, ganancias cualitativas y los resultados tangibles y esperados. Si usted tiene un problema, nosotros lo resolvemos. Para hacer posible la construcción eficiente de los prototipos, CTI cuenta con un laboratorio con tecnologías estadísticas, de optimización, simulación, minería de datos, aprendizaje de máquina e inteligencia artificial. De esta forma hacemos posible la combinación de diferentes técnicas, sistemas y lenguajes de programación para satisfacer las necesidades específicas de cada uno de los prototipos desarrollados.
- Plataformas estadísticas – Aunque el Big Data se haya convertido en un hype organizacional, la mayoría de los problemas organizacionales aún cuenta con datos estructurados de poco o medio volumen. En este contexto, la aplicación efectiva de conceptos estadísticos es fundamental. Para abordar estos problemas contamos con R, Python y la plataforma IBM SPSS en un conjunto consistente e interconectado de funcionalidades estadísticas, desde el tratamiento eficiente de datos (ETL) a la inferencia estadística.
- Plataforma de Desarrollo – Inclusive en el contexto específico de ciencia de datos, es común que encontremos necesidades de desarrollo de pequeñas aplicaciones, por ejemplo aplicaciones móviles y web. Para eso utilizamos herramientas como Python, Node.js y la plataforma de desarrollo DevOps de IBM, combinando flexibilidad y eficiencia en la prueba de conceptos
- Plataformas de Inteligencia Artificial – No buscamos reinventar la rueda. Por lo tanto, tenemos una amplia biblioteca de herramientas listas (API’s) de elevada capacidad, contando principalmente con IBM Watson y Google Cloud. Con estas API’s podemos construir rápidamente soluciones inteligentes, escalables, que utilizan, entre otros, chatbots, reconocimiento de voz, imagen o video.
- Plataforma de Ejecución – Para garantizar la escalabilidad de las soluciones, utilizamos primariamente la nube IBM, basada en la plataforma Watson Studio. Sin embargo, en casos específicos, podemos migrar o desarrollar nuestros prototipos en otras nubes, como AWS y Google Cloud.
- Plataformas de Simulación – Con diferentes aplicaciones, la simulación engloba un conjunto amplio de técnicas específicas para cada problema. De este modo, tenemos a nuestra disposición soluciones de simulación de eventos discretos (SIMUL8 y ARENA) y simulación de dinámica de sistemas (Python y Vensim). Para casos de simulación de Monte Carlo, desarrollamos aplicaciones específicas también utilizando Python.
- Plataforma de optimización – Ya en materia de optimización, elegimos lo que hay de mejor, el CPLEX, base del IBM Ilog y del IBM Decision Optimization. Con eso, somos capaces de atacar problemas de optimización lineal, no lineal, entera o mixta de gran porte, combinando estas capacidades de optimización con soluciones inteligentes por medio de la integración en Python.
- Plataforma de Visualización – El tema visualización es amplio. En nuestro laboratorio, optamos por utilizar el IBM Cognos BI debido a su simplicidad e integración con la plataforma como un todo, además de la integración específica con el Watson Studio. No obstante, en casos específicos, podemos integrarnos a las plataformas del cliente como Microsoft Power BI, Qlik o Tableau.
- Base de Datos – Aplicaciones diferentes de ciencia de datos poseen necesidades diferentes de almacenamiento y tratamiento de datos. Por lo tanto, optamos por utilizar IBM DB2 como base de datos estructurada, IBM Object Storage para almacenaje no estructurado, Hortonworks como plataforma Hadoop y Couch DB o Mongo DB para aplicaciones específicas de baja latencia. Además, disponemos del IBM Planning Analytics TM1, que nos ofrece la capacidad de integración inmediata de soluciones de ciencia de datos con el planeamiento integrado de la organización.
Combinando nuestro laboratorio tecnológico con nuestra metodología de construcción ágil de prototipos funcionales, usted podrá rápidamente probar su idea, con ayuda de un equipo especialista, de forma práctica y eficiente. Liderado por socios con extensa experiencia en negocio, nuestro equipo técnica cuenta con:
Responsables de entender, extraer, tratar y disponer sus datos adecuadamente;
Responsables de desarrollar modelos utilizando técnicas de ciencia de datos, simulación, optimización y machine learning para extraer de los datos la mayor cantidad de conocimiento posible;
Responsables de combinar las tareas de ingeniería y ciencia de datos con la tecnología adecuada desde el punto de vista de requisitos de costo y desempeño, actúan en la preparación de la solución para escalar;
Entender relaciones complejas exige técnicas adecuadas de visualización. Nuestros especialistas en BI garantizan no solamente la mejor forma de visualizar los insights generados automáticamente sino también el desempeño de los informes existentes en la solución.
Algunos ejemplos generados en nuestro laboratorio:
Interacción Computacional Inteligente
Problemas: aumentar los resultados o disminuir los costos de interacción entre organización (por ejemplo, fuerza de ventas) con el consumidor. Adquirir datos del consumidor o del mercado con la mínima fricción.
Solución: desarrollo de ChatBots o VoiceBots inteligentes, capaces de reaccionar a las necesidades del consumidor en lenguaje natural.
Segmentación Automática
Problemas: segmentar automáticamente consumidores, objetos, puntos de venta con base en su comportamiento, con datos estructurados o no estructurados. Clasificar el potencial de cada consumidor o riesgo de crédito.
Solución: aplicación de machine learning para la segmentación y/o clasificación automática online de los consumidores a medida que éstos interactúan con la organización.
Sugerencia Automática de Portafolio Optimo
Problemas: a partir de gustos revelados del consumidor, adquiridos, por ejemplo, vía interacción computacional inteligente, analizar y optimizar el portafolio de productos para optimizar ventas. Automatizar la segmentación de portafolio en el PDV de acuerdo con el comportamiento del consumidor.
Solución: aplicación de machine learning para la sugerencia de portafolio óptimo, con base en los atributos funcionales de los productos, sus restricciones y en el deseo identificado/revelado del consumidor.
¿Identificó oportunidades? ¿Le gustaría probar? Utilice nuestro laboratorio: